'세상 구조' 탐구를 시작한 인공지능 ... 노벨 물리학상과 화학상을 수상한 '사이언스 AI' 연구의 현재

'세상 구조' 탐구를 시작한 인공지능 ... 노벨 물리학상과 화학상을 수상한 '사이언스 AI' 연구의 현재

2024년 10월 AI 업계의 유명인사들이 연이어 노벨 물리학상과 화학상을 수상했다고 보도되었다. 상을 수상한 것이 '물리학상'과 '화학상'인 데서 알 수 있듯이 현재 AI는 비즈니스나 엔터테인먼트뿐만 아니라 자연과학 분야의 연구에서도 활용되고 있다.

이에 노벨상을 수상한 AI업계의 유명인사 등의 업적을 되돌아 보고, 자연과학에 활용되는 「사이언스 AI」의 기원과 향후 예상되는 흐름을 살펴본다.

■ '제3차 AI 붐'의 일등공신에서 비판자로 전환한 AI 연구의 '대부'
2024년의 노벨 물리학상을 수상한 것은 캐나다·토론토대학 재적의 제프리 힌튼과 미국 프린스턴대학 적을 두고 있는 존 홉 필드이며, 수상 이유는 「인공 뉴럴 네트워크에 의한 기계학습을 가능하게 하는 기초적 발견과 발명」이다. 좀 더 간단히 말하면, 현재의 AI 개발에서 당연하게 사용되고 있는 「딥 러닝」을 개발한 것이다.

힌튼은 「AI 연구의 대부」라고도 불리고 있어, "컴퓨터 사이언스에 있어서의 노벨상"이라고도 할 수 있는 「튜닝상」을 2018년에 수상했다. 그가 일약 주목받게 된 것은 화상인식 AI의 정확도를 겨루는 대회인 ILSVRC(Image Large Scale Visual Recognition Challenge) 2012년 대회에서 그가 이끄는 연구팀이 개발한 AlexNet이 2위를 크게 따돌리고 우승했을 때다. 그리고, 이 AI에도 딥 러닝이 이용되었다.

이후, 화상인식에 이용되는 기술로서 「딥 러닝」은 주류가 된다. 화상 이외에도, 주가예측이나 자연어라고 하는 처리대상의 어떠한 특징을 인식할 필요가 있는 다양한 과업에 이 기술이 응용되게 되었다. 이렇게 해서 '제3차 AI 붐'이 도래했고, 이 흐름은 오늘날의 생성형 AI 붐으로도 이어지게 됐다. 물론, OpenAI가 개발한 「GPT-4」를 비롯한 많은 대규모 언어모델에는, 딥 러닝 기술의 일종인 Transformer(트랜스포머)가 이용되고 있다.

무엇보다, 최근의 힌튼은 AI의 진화에 비판적인 입장을 취하고 있다. 이러한 입장은, 예를 들면 YouTube 등에 공개한 그의 인터뷰 동영상에서도 엿볼 수 있다. 이러한 동영상에서 그는 자신이 한 일(딥러닝의 개발)을 후회하지 않는다고 말하는 반면, AI가 인류를 위협한다는 것은 너무 앞선 것이라 생각했지만 「그러나 지금은 그렇게 생각되지 않는다」라고도 발언해, AI가 초래하는 잠재적 위협에 경고를 하고 있다.

■ 생화학에서 난제에 새로운 해결법을 가져온 AlphaFold
2024년의 노벨 화학상을 수상한 것은, Google 산하의 AI 연구기관 「Google DeepMind」의 CEO를 맡는 데미스 하사비스씨를 시작으로 한 3명이며, 그의 수상 이유는 「단백질 구조 예측 때문」이라고 한다.

단백질 구조 예측에 대해서는 DeepMind가 2020년 1월 15일에 공개한 블로그 기사(*)에서 해설하고 있다. 세균부터 인체에 이르기까지 생명 전반은 단백질로 구성돼 있지만 단백질의 기능은 그 3차원적 구조에 따라 결정된다.
 *DeepMind「AlphaFold: Using AI for scientific discovery」
 https://deepmind.google/discover/blog/alphafold-using-ai-for-scientific-discovery-2020/

이러한 구조를 알 수 있는 단서에는 단백질을 구성하는 아미노산의 배열을 결정하는 DNA가 있는데, DNA만으로 단백질의 3차원적 구조를 예측하는 것은 곤란했다. 이 문제는 단백질 폴딩(Folding: 「접다」라고 의미) 문제라고도 부르며, 생화학에 있어서의 난제 중의 하나였다.

이와 같은 문제를 해결하기 위해 딥마인드는 단백질 구조 예측 AI 'AlphaFold(알파폴드)'를 개발했다. 이 AI는 알려진 단백질의 아미노산 배열과 3차원 구조를 짝지은 학습 데이터를 만들어 탄생한 것이다. 이러한 학습에 의해, 이  AI는, 임의의 아미노산 배열을 입력하면, 그 입력으로부터 예측되는 3차원 구조를 출력할 수 있게 되었다.

딥마인드는 AlphaFold(알파폴드)의 유효성을 확인하기 위해 단백질 폴딩 문제에 관한 대회 'CASP' 13회 대회에 참가했다. 그리고, 이 AI는 경쟁에서 빛나는 1위에 올라, 그 유효성을 증명했다.

현재 딥마인드는 AlphaFold의 활용과 개량을 계속하고 있으며, 2022년 7월 공개된 블로그 기사(*)에서 과학적으로 알려진 거의 모든 단백질의 3차원 구조 예측이 완료되었음을 보고했다. 또, 2024년 9월 5일에는, 임의의 표적 분자와 결합하는 단백질 결합체의 구조를 출력하는 「AlphaProteo」를 발표(*)했다. 이 AI는 신약 개발 등에서 진가를 발휘할 것으로 보인다.
 *DeepMind「AlphaFold reveals the structure of the protein universe」
 https://deepmind.google/discover/blog/alphafold-reveals-the-structure-of-the-protein-universe/
 *DeepMind「AlphaProteo generates novel proteins for biology and health research」
 https://deepmind.google/discover/blog/alphaproteo-generates-novel-proteins-for-biology-and-health-research/

■ 다양한 연구 분야에서 활용되는 AlphaFold
현재 AlphaFold는 DeepMind 뿐만이 아니라 다양한 연구기관에서 활용되고 있다.

AlphaFold의 활용사례의 하나로서 난치병으로 지정되어 있는 파킨슨병의 발병 메커니즘의 해명이 있다(일본). 이 사례를 설명한 딥마인드의 기사(*)에 따르면 호주 멜버른 연구기관 WEHI 소속 데이비드 커맨더(David Komander) 교수 등 팀은 이 질병이 발병하는 계기가 되는 단백질 PINK1의 구조 예측에 AlphaFold를 활용했다.
 *DeepMind「Targeting early-onset Parkinson’s with AI」
 https://deepmind.google/discover/blog/targeting-early-onset-parkinsons-with-ai/

노르웨이생명과학대학에서 꿀벌에 대해 연구하고 있는 빌데 라이파트(Vilde Leipart)는 꿀벌의 면역기능 연구에 AlphaFold를 활용했다(*). 구체적으로는 꿀벌의 면역기능을 담당하는 단백질인 「비테로제닌」의 구조를, 이 AI로 예측한 것이다.
 *DeepMind「How the honeybee could help protect species around the world」
 https://deepmind.google/discover/blog/how-the-honeybee-could-help-protect-species-around-the-world/

꿀벌의 면역기능 연구는 최근 종종 보고되는 꿀벌 떼죽음의 원인규명에 도움이 된다. 꿀벌은 여러 가지 식물의 수분에 관여하고 있기 때문에, 그 대량 폐사의 원인을 해명해 미리 미연에 막는 것은, 생태계의 유지로 연결되는 것이다.

영국 포츠머스대 효소혁신센터 소속 존 맥기핸(John McGeehan) 연구팀은 플라스틱을 분해하는 효소 연구에 AlphaFold를 활용하고 있다(*). 플라스틱을 완전 분해하는 효소를 발견할 수 있다면 플라스틱 재활용이 더 효율적이고 궁극적으로 환경문제 해결에 기여할 수 있다.
 *DeepMind「Creating plastic-eating enzymes that could save us from pollution」
 https://deepmind.google/discover/blog/creating-plastic-eating-enzymes-that-could-save-us-from-pollution/

이와 같이 AlphaFold를 활용할 수 있는 범위는 다양한 연구분야에 이른다. 이러한 응용범위의 확장이, 이 AI의 개발을 이끈 하사비스가 노벨 화학상을 수상한 한 요인일 것이다.

■ 뇌파로 시각 대상의 특정 및 대기 시뮬레이션에 활용되는 사이언스 AI
AlphaFold와 같은 자연과학 연구에 이용되는 사이언스 AI는, 최근 활발하게 개발되고 있다. 2024년의 AI 업계의 다양한 동향을 정리한  10월 10일 공개 보고서 「State of AI Report 2024(*)」에서는 사이언스 AI의 최신 동향이 게재되고 있다. 다음은 이러한 동향의 일부를 소개하는 내용이다.
*State of AI Report 2024
 https://www.stateof.ai/

영국 캠브리지대학 공학부 등의 연구팀은 2023년 12월, 물리적 물질의 움직임을 원자 수준으로 시뮬레이션 할 수 있는 AI 「MACE-MP-O」를 발표했다. 이 AI의 개발에는, 여러가지 물리현상을 모은 학습 데이터가 이용되었다. 이 AI는 신소재 발명 등에 활용된다.

이미지 생성 AI 'Stable Diffusion' 소속 연구자들은 2024년 3월 전자파로 뇌 활동을 알아내는 MRI를 통해 획득한 뇌 활동 이미지에서 피실험자가 보고 있는 사물을 예측하는 「MindEye2」를 발표했다.

이 AI는 특정 사물이 찍힌 영상을 피실험자에게 보여줬을 경우 뇌 활동 영상을 30~40시간 분량 모은 데이터 'Natural Scenes Dataset'에 의해 훈련됐다. 이러한 훈련에 의해 이 AI는, 시각 대상이 되는 물건과 그 물건을 보았을 때의 뇌 활동의 대응 관계를 학습한 것이다. 이 AI는 뇌파에 의해 장치를 조작하는 BMI(Brain Machine Interface)의 실용화에 응용될 수 있을 것이다.

Microsoft의 연구팀은 2024년 5월, 지구의 대기를 시뮬레이션 하는 AI 「Aurora」를 발표했다. 이 AI는 100만 시간 이상의 기후 데이터에 의해 훈련되었다. 이 AI를 활용하면 대기오염과 기후변화 시뮬레이션을 빠르게 실행할 수 있다. 그 속도는 기존 시뮬레이션 방법인 수치 예측보다 약 5,000배나 빠르다.

이상과 같이 사이언스 AI는, 다양한 연구분야에서 개발·응용되고 있다. 그리고 AlphaFold 개발을 이끈 하사비스의 노벨화학상 수상은 사이언스 AI가 자연과학 연구의 방법으로 학계에 공인됐음을 의미하는 것으로 앞으로는 이런 종류의 AI 개발이 점점 더 활성화 될 것이다.

*재미있거나 도움이 되셨다면 '구독' 꾹 눌러 주시기를 부탁드립니다. 늘 행복하세요.